La propagation d'impulsions lumineuses non-linéaires dans les fibres optiques présente un large éventail de dynamiques complexes. En fonction des conditions initiales et des propriétés des fibres utilisées, il est possible d'observer des dynamiques solitoniques complexes pouvant engendrer un élargissement spectral prononcé, allant jusqu'à la génération de supercontinuum. La complexité de ces effets peut rendre leur analyse et leur modélisation difficiles, et l'objectif de cette thèse a été de montrer l'application de techniques d'apprentissage machine pour analyser différents scénarios de propagation d'impulsions non-linéaires dans des systèmes optiques fibrés régis par l'équation de Schrödinger non-linéaire. En particulier, la prédiction des propriétés temporelles des "vagues scélérates" optiques en se basant uniquement sur l'analyse de l'intensité spectrale, sans aucune information sur la phase, a été accomplie à l'aide d'un réseau de neurones à propagation avant. Ces prédictions se sont avérées très satisfaisantes en régime d'instabilité de modulation pure ainsi que dans un système de cavité laser extit{noise-like pulse} en régime de bande spectrale étroite et large. Enfin, l'algorithme de réseau de neurones à propagation avant s'est avéré remarquablement précis dans sa capacité de reconstruction de la dynamique de l'équation de Schrödinger non-linéaire.